人工知能の未来: 一般的な人工知能

人工知能を真に理解するには、研究者は、環境に対する人間の反応を再現できる、基本的な潜在的な AGI テクノロジーの開発に注意を向ける必要があります。

Google、Microsoft、Facebook などの業界大手、イーロン・マスク氏の OpenAI などの研究所、さらには SingularityNET のようなプラットフォームさえも、汎用人工知能 (AGI)、つまり人間ができないことを理解または学習する知能エージェントに賭けています。 . 人工知能テクノロジーの未来を表すタスク機能。

しかし、やや驚くべきことに、これらの企業はいずれも、人間の文脈上の理解を再現する基本的な基盤となる AGI テクノロジの開発に注力していません。これは、これらの企業が実施している研究が、さまざまな程度の特異性を持ち、今日の人工知能アルゴリズムに依存しているインテリジェント モデルに完全に依存している理由を説明する可能性があります。

残念ながら、この依存は、AI が最高の知能しか発揮できないことを意味します。彼らの能力がどれほど優れていても、彼らは依然として多くの変数を含むあらかじめ決められたスクリプトに従います。したがって、GPT3 や Watson などの大規模で非常に複雑なプログラムであっても、理解を示すことしかできません。実際、彼らは、言葉やイメージが物理宇宙に存在し、相互作用する物理的なものを表していることを理解していません。時間の概念や、原因が影響を与えるという考えは、彼らにとってまったく馴染みのないものです。

これは、今日の人工知能の機能を奪うものではありません。たとえば、Google は、膨大な量の情報を信じられないほど迅速に検索して、ユーザーが望む結果を (少なくともほとんどの場合) 提供することができます。 Siri のようなパーソナル アシスタントは、レストランを予約したり、メールを検索して読んだり、リアルタイムで指示を出したりすることができます。このリストは常に拡大および改善されています。

しかし、これらのプログラムがどれほど複雑であっても、依然として入力を探し、コア データ セットに完全に依存する特定の出力で応答します。納得できない場合は、カスタマー サービス ボットに「計画外の」質問をすると、ボットは無意味な応答を返すか、まったく応答しない可能性があります。

つまり、Google、Siri、またはその他の現在の AI の例には、真の常識的な理解が欠けており、最終的に汎用人工知能への移行を妨げることになります。その理由は、過去 50 年間のほとんどの AI 開発の根底にある支配的な仮定に遡ります。それは、難しい問題が解決できれば、簡単な知能の問題も解決されるということです。この仮説はモラベックのパラドックスとして説明できます。コンピュータに知能検査で成人レベルの成績を与えるのは比較的簡単だが、コンピュータに 1 歳児の認識能力と行動能力を与えるのは難しいというものです。 。

人工知能研究者は、十分な範囲の AI アプリケーションが構築されれば、最終的には汎用知能に成長するだろうという想定も間違っています。子どもたちが視覚、言語、その他の感覚を難なく統合できる方法とは異なり、狭い AI アプリケーションは一般的な方法で情報を保存することができないため、情報を共有し、その後他の AI アプリケーションで使用することができます。

最後に、研究者は、十分な規模の機械学習システムと十分なコンピューター能力を構築できれば、自発的に一般的な知能を発揮すると誤って信じています。これも間違いであることが判明しました。専門家システムがドメイン固有の知識を取得しようとしても、根本的な理解の欠如を克服するのに十分な事例や例のデータを作成できないのと同様に、AI システムは、その規模に関係なく、「計画外の」リクエストを処理できません。

一般的な人工知能の基礎

AI の真の理解を達成するには、研究者は、人間によるコンテキストの理解を再現する、基本的な基盤となる AGI テクノロジの開発に注意を向ける必要があります。たとえば、3 歳児が積み木で遊んでいるときに示す状況認識と状況理解について考えてみましょう。 3 歳児は、ブロックが 3 次元の世界に存在し、重さ、形、色などの物理的特性を持ち、高く積みすぎると落ちることを理解しています。また、ブロックを積み上げるまでは倒すことができないため、子供たちは原因と結果や時間の経過の概念も理解します。

3 歳児は、4 歳児、5 歳児、10 歳児などになることもあります。簡単に言えば、3 歳児は、完全に機能する、一般的に知的な大人に成長する能力を含む能力を持って生まれます。今日の人工知能ではそのような成長は不可能です。どれほど高度であっても、今日の人工知能は環境内での自分の存在をまったく認識していません。今取った行動が将来の行動に影響を与えることを知りません。

独自のトレーニング データ以外で何も経験したことのない人工知能システムが現実世界の概念を理解できると考えるのは非現実的ですが、人工知能にモバイル感覚ポッドを追加すると、人工エンティティが脱出できる可能性があります。現実から学ぶ環境の中で学び、現実の物体、原因と結果、時間の経過についての基本的な理解を示します。あの 3 歳児と同じように、感覚ポッドを備えたこの人工実体は、ブロックを積み上げ、物体を動かし、時間をかけて一連の動作を実行する方法を直接学習し、それらの動作の結果から学ぶことができます。

人工エンティティは、視覚、聴覚、触覚、マニピュレーターなどを通じて、テキストのみや画像のみのシステムでは不可能な方法で理解を学習できます。前に述べたように、そのようなシステムは、データセットがどれほど大きくて多様であっても、単純に理解して学習することができません。存在がこの理解して学習する能力を獲得すると、感覚鞘を取り除くことさえ可能になるかもしれません。

現時点では、真の理解を表すためにどれだけのデータが必要かを定量化することはできませんが、脳内には理解に関連する合理的な比率が存在するはずであると推測できます。結局のところ、人間は、すでに経験し学んだことすべての文脈ですべてを解釈します。私たちは大人として、人生の最初の数年間に学んだことを基準にすべてを解釈します。これを念頭に置くと、AI コミュニティがこの事実を認識し、理解の基本基盤を確立するために必要な措置を講じた場合にのみ、真の汎用人工知能が可能になるように思えます。

以上が人工知能の未来: 一般的な人工知能の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。